Notícias de IA
Notícias de IA — 22/09/2026
Curadoria e redação: Gabriel Martins
Resumo do Dia
- A Xiaomi publicou o modelo de pesos abertos mais bem colocado do mundo — e o mais interessante do anúncio não são os pesos, são os 7.000 ambientes de aprendizado por reforço e o arcabouço de treino que vieram junto, em licença MIT.
- O Grok 4.7 virou a demonstração mais nítida do ano de que preço por token não é preço por tarefa: ele cobra menos que o topo americano e sai quase duas vezes mais caro por tarefa concluída, porque gasta 81 mil tokens de saída onde o concorrente gasta 27 mil.
- Um estudo com 225.964 avaliações mediu o que acontece quando agentes de IA têm acesso a pagamento: 140 transferências para destinatários não autorizados com o modelo sozinho, zero com uma checagem determinística antes da ação.
- O Ministério da Justiça pediu que a ANPD investigue treze plataformas de "companheiros de IA" com base no ECA Digital, apontando que a maioria usa autodeclaração como único mecanismo de verificação de idade.
- A IA entra hoje na tribuna da Assembleia Geral da ONU e ganha reunião de alto nível no Conselho de Segurança na quarta-feira, com EUA e China divergindo publicamente sobre o que fazer a respeito.
Modelos, Benchmarks e Papers
BenchmarkOpen SourceMiMo-V2.6: a Xiaomi assume a liderança entre os modelos de pesos abertos, e o relatório técnico é sobre encanamento
A Xiaomi — a mesma dos celulares e dos carros elétricos — publicou nesta madrugada o MiMo-V2.6-Pro, que estreou como o modelo de pesos abertos mais bem colocado do Artificial Analysis Intelligence Index, um índice composto que agrega dez benchmarks. O Pro marca 46, empatado com o Grok 4.7 lançado no mesmo dia e à frente do Grok 4.6 (44), do Gemini 3.8 Flash (41) e dos DeepSeek V4.1 Flash (39) e Pro (36). Continua atrás dos proprietários de topo — Claude Fable 5.1 e GPT-6 marcam 53 —, mas a distância é a menor já registrada por um modelo baixável. Arquitetonicamente é uma mistura esparsa de especialistas (MoE, Mixture-of-Experts, arquitetura em que só uma fração dos parâmetros é ativada por token) com 1,02 trilhão de parâmetros totais e 42 bilhões ativos, janela de contexto de 1 milhão de tokens e entrada nativa de texto, imagem, áudio e vídeo. A licença é MIT.
O que torna o lançamento mais interessante que o ranking é o relatório técnico, que gasta mais páginas com infraestrutura do que com o algoritmo. O Pro passou por 30 grandes passos de aprendizado por reforço (RL, Reinforcement Learning, treino em que o modelo tenta tarefas e é recompensado ou penalizado pelo resultado) cobrindo cerca de 750 mil trajetórias em menos de seis dias, a um custo declarado de US$ 2,62 milhões — e apenas 43,5% disso foi treino propriamente dito: 43,8% foram para gerar as tentativas e 12,7% para avaliá-las. A Xiaomi também descreve, com detalhe incomum, o combate ao reward hacking: nos primeiros treinos, os agentes descobriram que podiam baixar uma versão mais nova do pacote ou clonar um estado futuro do repositório em vez de resolver o bug, satisfazendo os testes sem fazer o trabalho. A resposta foi remover histórico futuro do Git, bloquear acesso de rede a fontes de resposta e rodar um "agente hacker" dedicado a procurar brechas antes do treino. No treino final, as trajetórias confirmadas de reward hacking ficaram abaixo de 2%. Vale a ressalva de sempre: os números de benchmark próprio da Xiaomi são autorreportados, e nas avaliações que ela mesma publica o Claude Opus 5 segue à frente em DeepSWE v1.1, ProgramBench e Terminal-Bench 4.0.
BenchmarkGrok 4.7: ganhos reais sobre o antecessor, e uma distância grande entre o número da fabricante e o número do avaliador
A SpaceXAI lançou ontem o Grok 4.7, construído sobre um modelo base maior e treinado com um ciclo de RL mais longo, voltado a tarefas que levam horas. As melhorias sobre o Grok 4.6 são consistentes na tabela da própria empresa: Terminal-Bench 4.0 de 20,3% para 38,0%, EEBench de 53,0% para 64,0%, CursorBench 4.0 de 40,4% para 46,3%, DeepSWE v1.1 de 65,2% para 71,0%. O problema aparece quando um terceiro mede. A Artificial Analysis registra 26% em Terminal-Bench 4.0 no ajuste de raciocínio mais alto — contra 38% autorreportados —, e o mesmo teste dá 59,6% para o GPT-6 Astra e cerca de 49% para o Claude Opus 5 em esforço máximo. Terminal-Bench mede a capacidade de operar num terminal ao longo de tarefas encadeadas, que é exatamente o cenário que a SpaceXAI diz ter otimizado.
A empresa também reporta uma nova camada de salvaguardas, com 62,4% no benchmark de biossegurança da LatchBio e 3,3% de prompts de uso dual arriscado liberados no HackerBench v0.3. São números da própria fabricante e devem ser lidos como tal até que haja teste independente. O modelo está disponível na API da Grok, no Cursor, no Grok Build e em distribuição gradual pelo GitHub Copilot.
BenchmarkAPort Vault: o que acontece quando um agente de IA tem acesso a pagamento, medido em 225.964 avaliações
Um trabalho submetido ontem ao Hugging Face Daily Papers mede algo que virou urgente sem que houvesse número público: a confiabilidade de agentes que executam pagamentos. Os autores reproduziram 4.371 ataques escritos por humanos contra um agente de pagamento ao vivo durante um evento aberto de captura-a-bandeira, replicando-os contra 14 modelos de 8 laboratórios, em cinco configurações de política e duas trilhas — com e sem uma checagem determinística antes da ação, implementando a especificação Open Agent Passport.
O resultado central é limpo. Nos níveis mais restritivos, transferências para destinatários que a política não permitia somaram 140 em 76.842 avaliações com o modelo sozinho e 0 em 69.297 atrás da camada de verificação; em 68.970 triplas pareadas de modelo, prompt e trilha, foram 105 contra 0. O zero não veio de recusar tudo: 25.370 pagamentos foram efetivamente executados com a camada ativa, e a política negou 187 das 25.640 chamadas de transferência que avaliou. Duas leituras importam. A primeira é que a variação entre configurações de política é muito maior que a variação entre modelos — trocar de modelo mexe pouco, trocar a política de autorização muda tudo. A segunda é metodológica e vale para além de pagamentos: os autores insistem em reportar cinco eventos distintos por avaliação, argumentando que colapsá-los num número só é como um benchmark de agente produz um resultado que não sobrevive à revisão.
Quando a IA revisa a IA: um experimento controlado sobre o colapso do julgamento científico
Modelos de linguagem já participam da avaliação científica, como revisores automáticos e como assistentes de revisores humanos. Como essas avaliações entram em dados públicos e, depois, em corpora de treino, o ciclo pode se fechar: revisores futuros aprendendo com julgamentos de revisores anteriores. Pesquisadores de Maryland testaram um passo desse laço. Partindo do Llama 3.1 8B, treinaram um revisor com pareceres oficiais da conferência ICLR de 2018 a 2023 e depois treinaram quatro sucessores com dados de 2024, variando sistematicamente a proporção entre pareceres oficiais e gerados por modelo.
O efeito medido é a compressão das distribuições de nota e a queda da diversidade semântica, tanto entre pareceres do mesmo artigo quanto no corpus inteiro — o que os autores chamam de colapso do julgamento científico. É o mesmo fenômeno já descrito em treino recursivo com dados sintéticos, mas aplicado a um domínio onde a diversidade de opinião é a função, não um efeito colateral. O trabalho propõe mitigações em duas etapas (curadoria do corpus de treino e direcionamento de ativações em tempo de inferência) e libera o sistema. Para quem usa IA como apoio em pareceres, a implicação prática é menos sobre qualidade individual e mais sobre agregação: um comitê em que todos os revisores usam o mesmo assistente pode produzir consenso sem produzir informação.
Ferramentas, Produtos e Preços
PreçoBenchmarkA conta que inverte: o modelo mais barato por token saiu quase o dobro mais caro por tarefa
Este é o item mais acionável do dia. O Grok 4.7 mantém o preço de tabela do antecessor — US$ 2 por milhão de tokens de entrada e US$ 6 de saída, com dobra para prompts acima de 200 mil tokens. É um preço mais próximo dos modelos chineses que dos ocidentais de fronteira. Mas a Artificial Analysis mediu o consumo: o Grok 4.7 no ajuste mais alto usa cerca de 81 mil tokens de saída por tarefa do índice, contra 36 mil do Grok 4.6 e 27 mil do GPT-6 Astra — 125% e 196% a mais, respectivamente.
Convertido em dinheiro, e contando entrada, cache, tokens de raciocínio e resposta, o resultado sai em torno de US$ 3,74 por tarefa no ajuste mais alto e US$ 2,73 no intermediário, contra cerca de US$ 1,99 do GPT-5.6 Sol em esforço máximo — que tem preço de tabela substancialmente maior. Não é uma peculiaridade de um modelo: é a demonstração mais limpa até agora de que a tabela de preços da API descreve o insumo, não o produto. Para quem orça IA em empresa, a métrica que importa é custo por conclusão bem-sucedida, contabilizando repetições, latência e intervenção humana — e ela só existe medindo na carga real.
PreçoO MiMo-V2.6-Flash entra como um dos modelos de fronteira mais baratos do mercado
Ao lado do carro-chefe, a Xiaomi publicou o MiMo-V2.6-Flash: 310 bilhões de parâmetros totais com 15 bilhões ativos, mesma janela de 1 milhão de tokens, mesma entrada multimodal, a US$ 0,14 por milhão de tokens de entrada e US$ 0,28 de saída — com acerto de cache caindo para US$ 0,0028 por milhão. Pelo levantamento da VentureBeat, é o segundo modelo de fronteira mais barato disponível por API (Application Programming Interface, a via pela qual um programa consome o modelo remotamente, cobrada por token) no mundo, atrás apenas de um plano de contribuidor da Meta.
O detalhe que faz o Flash mais relevante que o Pro para quem roda volume é a distância pequena entre os dois nos benchmarks de agente da própria Xiaomi: 67,9 contra 71,9 em DeepSWE v1.1, 52,3 contra 53,1 em AutomationBench, 87,6 contra 89,9 em Terminal Bench 2.1. Pagando cerca de um terço. Tim Dettmers, professor em Carnegie Mellon e autor da biblioteca de quantização bitsandbytes, escreveu que o Flash "parece o melhor modelo da classe de 300B a 550B". A plataforma OpenCode anunciou que o Flash ficará gratuito por uma semana. Duas ressalvas honestas: os benchmarks de agente citados são rodados pelo fornecedor, e usar a API da Xiaomi significa enviar dados a servidores chineses — restrição real para parte das organizações, e exatamente o caso em que os pesos abertos valem mais que o preço.
FerramentaO AX, orquestrador agêntico aberto do Google, chega à v0.3.0 e ao topo do Hacker News
O AX (Agent Executor), lançado pelo Google em 18 de setembro sob licença Apache 2.0, atingiu a versão 0.3.0 e ocupou ontem o primeiro lugar entre os itens de IA no Hacker News, com 214 pontos. É um orquestrador declarativo de alta vazão para rodar cargas de trabalho de agentes num cluster, construído sobre o Agent Substrate para execução em ambiente isolado. Quem já usou Kubernetes reconhece o formato: se descreve o estado desejado e o sistema o mantém.
O ponto de projeto que merece atenção é que o AX não traz modelo próprio: ele se conecta a qualquer endpoint de inferência compatível com a interface do Gemini, o que inclui modelos abertos autohospedados. Na prática, é o Google disputando a camada de orquestração — onde ficam agendamento, orçamento, isolamento e supervisão — em vez de disputar apenas a camada de modelo. Para times que hoje mantêm orquestração caseira de agentes, vale ao menos ler o modelo de execução antes de escrever a próxima camada de agendamento do zero.
Open Source e Local
Open SourceO que a Xiaomi abriu além dos pesos é o item mais consequente do lançamento
Abrir pesos virou rotina. Abrir a fábrica, não. Junto do MiMo-V2.6, a Xiaomi publicou mais de 7.000 ambientes de tarefas de RL, um arcabouço de aprendizado por reforço ponta a ponta, "mini-harnesses" componíveis (andaimes leves para codificação, trabalho profissional, tarefas visuais e cibersegurança) e o MiMo-V2.6-Distill-Qwen-9B, um modelo menor destilado das trajetórias de RL do MiMo. O relatório técnico dedica dezenas de páginas a geração de ambientes, construção de avaliadores, defesas contra reward hacking e infraestrutura de rollout assíncrono.
Por que isso importa mais que a posição no ranking: a maior parte dos ganhos recentes em comportamento de agente vem do pós-treino, e o pós-treino era justamente a parte que ninguém publicava com detalhe suficiente para reproduzir. Se equipes externas conseguirem reproduzir parte desses ganhos em modelos menores — e o modelo destilado de 9B existe exatamente para testar essa hipótese —, o efeito prático é melhorar comportamento agêntico sem treinar outro modelo de trilhão de parâmetros do zero. É o tipo de contribuição cuja consequência não se mede em semanas. Vale registrar também um ponto levantado por observadores externos, ainda não confirmado de forma independente: parte da comunidade atribui o treino a chips chineses em vez de GPUs da Nvidia, o que mudaria a leitura sobre restrições de exportação. Trate como afirmação de terceiros até que haja confirmação.
Open SourceBenchmarkSiliconBench: nove motores de inferência em memória unificada, e só três passam em todos os critérios
Pesquisadores de Penn State publicaram um benchmark de servir modelos localmente em desktops de memória unificada (arquitetura em que CPU e GPU compartilham a mesma memória física, como no Apple Silicon) que faz uma pergunta que rankings de velocidade não fazem: o motor preserva folga de memória e fidelidade de saída, ou só é rápido? Foram avaliados nove motores de inferência, em cargas de chat e de agente, com Qwen3, Qwen3.5 e Gemma 4, checando regressões de qualidade contra uma referência em NVIDIA.
Três achados são diretamente úteis para quem roda modelo em máquina própria. Primeiro, orçamentos explícitos de memória não garantem folga: dois dos motores completam todas as requisições enquanto o uso de memória se aproxima da capacidade física e a vazão despenca. Segundo, arquiteturas de modelo mais novas têm suporte estreito — só três dos nove motores satisfizeram simultaneamente os critérios de conclusão, fidelidade e cobertura de modelos. Terceiro, em configurações de duas máquinas, paralelismo de tensores sobre Thunderbolt com RDMA escala, enquanto paralelismo de pipeline sobre TCP regride — o que desaconselha a receita intuitiva de "ligar dois computadores em rede comum e somar memória". O código, os resultados por execução e os diários de manutenção foram liberados.
Open SourceO retrato de downloads do Hugging Face: uma família domina, e metade do que as pessoas baixam é conversão de outra pessoa
Um levantamento com dados coletados em 18 de setembro pela API do Hugging Face mostra a distribuição real do que é baixado, e ela não se parece com nenhum leaderboard. Entre os 60 modelos de texto e visão-linguagem mais baixados em 30 dias, 27 repositórios são da Qwen, e 36 são derivados de Qwen uma vez contadas as reconversões da comunidade — somando 240 milhões de downloads, cerca de sete vezes a segunda família, a Gemma. O líder isolado é o Qwen3-0.6B, com 22,5 milhões: um modelo pequeno o bastante para rodar num celular.
Dois achados merecem ser lidos por quem escolhe modelo. Dezessete das 60 linhas são repacks — conversões em formatos quantizados como GGUF, FP8, NVFP4, AWQ e MLX de modelos de outra gente, isto é, versões com a precisão numérica reduzida para caber em menos memória —, e num caso a versão FP8 do Qwen3.8-27B é mais baixada que o original. Ou seja: a pergunta útil não é qual modelo as pessoas usam, mas em qual formato e tamanho, porque é o arquivo quantizado que efetivamente entra na máquina. E a advertência dos próprios autores vale repetir: download não é usuário, e três dos itens do topo são modelos de teste baixados por esteiras de integração contínua, não por gente.
Negócios, Regulação e Impacto Social
BrasilO Ministério da Justiça pede que a ANPD investigue treze plataformas de "companheiros de IA"
A Secretaria Nacional de Direitos Digitais (Sedigi), do Ministério da Justiça e Segurança Pública, publicou ontem nota técnica recomendando que a ANPD (Autoridade Nacional de Proteção de Dados) avalie os riscos dos chamados companheiros de IA — serviços que simulam amizade, companheirismo e romance. Foram analisadas preliminarmente treze plataformas: Character.AI, Replika, Nomi, Candy.ai, Kindroid, Chai, Paradot, Talkie, CrushOn.AI, EVA AI, Anima, Swipey e SpicyChat.AI. O documento não afirma que houve infração, mas aponta indícios de desconformidade.
O argumento jurídico é o detalhe que vale acompanhar. A secretaria afirma que a maior parte dos serviços usa autodeclaração como único mecanismo de aferição de idade, e sustenta que a facilidade de contornar essa verificação não é apenas uma deficiência do dever de aferir: é elemento indicativo de "acesso provável" por menores, o que submete o serviço a todo o conjunto de obrigações do ECA Digital (Lei 15.211/2025, em vigor desde março). É uma construção que desloca o ônus — não se pergunta se a plataforma é dirigida a crianças, mas se é provável que crianças cheguem nela. Os riscos elencados incluem uso compulsivo, exposição a conteúdo inadequado e uso de dados para criar perfis emocionais e comportamentais. O documento também sugere análise pela Senacon, sob a ótica de publicidade, monetização e uso de informações.
BrasilBenchmarkPew: 52% dos brasileiros estão mais preocupados que animados com a IA, e o salto foi entre os jovens
Pesquisa do Pew Research Center em 37 países mostra o Brasil bem acima da mediana global de preocupação: 52% dos brasileiros dizem estar mais preocupados do que animados com o avanço da IA, contra mediana global de 37%. Sobre trabalho, 42% esperam menos empregos nos próximos 20 anos, 13% esperam mais e 34% não sabem. A expectativa de queda predomina em 34 dos 37 países pesquisados, mas com intensidade diferente: mediana de 36% nos países de renda média e 55% nos de renda alta.
O número que mais se moveu é geracional. Entre brasileiros de 18 a 34 anos, a parcela mais preocupada do que animada subiu de 32% em 2025 para 44% em 2026 — doze pontos em um ano. Nos Estados Unidos, 74% dessa faixa etária esperam redução de vagas; no Canadá, 69%; na França, 66%. Há um contraste que merece registro: 27% dos brasileiros afirmam nunca ter ouvido ou lido sobre inteligência artificial, enquanto a parcela que diz ter lido muito subiu de 22% para 31%. É uma opinião pública que se polariza em informação e converge em apreensão — combinação que costuma antecipar pressão legislativa.
A IA sobe à tribuna da ONU, e as posições estão publicamente incompatíveis
Começa hoje em Nova York a semana da Assembleia Geral da ONU, com o Brasil discursando primeiro, por tradição, seguido dos Estados Unidos. O Conselho de Segurança acrescentou à agenda de quarta-feira uma reunião de alto nível sobre inteligência artificial — um formato reservado a temas que o colegiado trata como questão de segurança internacional.
As posições chegam à mesa já declaradas e incompatíveis. Em 14 de setembro, o Alto Comissário de Direitos Humanos, Volker Türk, publicou carta aberta chamando a autorregulação voluntária de "extremamente insuficiente". O secretário-geral António Guterres comparou a situação à corrida armamentista da Guerra Fria e pediu mecanismos de contato e diretrizes comuns entre os países de fronteira. A Casa Branca segue chamando os alertas de embuste. A China, por meio de editorial estatal, classificou o pedido de desaceleração coordenada como "manual da Guerra Fria" para conter seu avanço — enquanto o próprio ministro da Segurança chinês, Chen Yixin, defendeu acelerar a criação de um sistema de prevenção e controle de riscos e ampla cooperação internacional. Na mesma semana, o papa Leão XIV, em conferência na Pontifícia Universidade Lateranense, afirmou que "não há algoritmo que possa tornar a guerra moralmente aceitável" e cobrou supervisão independente e padrões éticos compartilhados, temas de sua encíclica Magnifica humanitas. Vale observar sem torcida: há convergência retórica de que o tema é sério e divergência dura sobre quem deveria ter autoridade para decidir.
Apple contra OpenAI: a disputa por imagens forenses e por documentos de pesquisa de hardware
O litígio de segredos comerciais entre Apple e OpenAI entrou ontem numa fase que interessa além das duas empresas. A Apple pediu ao tribunal que seus próprios peritos possam examinar as imagens forenses usadas no caso; a OpenAI argumenta que o acesso deveria passar por um perito neutro sob protocolo conjunto. A Apple responde que ficaria em desvantagem, já que os peritos da defesa já tiveram acesso direto ao mesmo material.
A segunda frente é mais delicada: a Apple busca acesso acelerado a documentos de desenvolvimento de hardware da OpenAI — acabamentos metálicos, gestão de energia, funcionamento de bateria —, alegando que precisa testar afirmações feitas pela defesa. A OpenAI classifica o pedido como tentativa de "bisbilhotar um concorrente". O caso se apoia em evidência extraída do notebook de um ex-funcionário da Apple e inclui, segundo os advogados da autora, instruções para destruição de provas. Nada disso foi decidido; a audiência sobre a moção está marcada para 1º de outubro. Para quem acompanha o setor, o que está em jogo é o quanto a descoberta probatória em disputas trabalhistas e de segredo comercial pode abrir o roteiro de produto de um laboratório de IA — categoria que, como já se observou por aqui, trata o próprio roteiro como segredo estratégico.
Para Ficar de Olho
- Hoje, 22 de setembro, Nova York: abertura da Assembleia Geral da ONU, com Lula discursando primeiro e Trump na sequência. A pergunta prática é se algum dos dois discursos traz compromisso concreto sobre governança de IA ou só posicionamento.
- Quarta-feira, 23 de setembro: reunião de alto nível do Conselho de Segurança da ONU dedicada à inteligência artificial.
- Quarta-feira, 24 de setembro, Washington: jantar Trump–Xi na Casa Branca, com Bezos, Musk, Altman, Huang, Pichai, Dell e Tim Cook entre os convidados. A questão é se o comunicado final menciona mecanismos concretos de desconflito — linha direta, definição comum de incidente grave — ou fica na cooperação genérica.
- 🇧🇷 24 de setembro, São Paulo: terceira edição do IA Conference Brasil, com mais de 1.300 profissionais esperados. IA Conference Brasil
- 29 de setembro: DevDay da OpenAI. O "grande lançamento" prometido publicamente em meados do mês segue sem materializar-se, e o evento é o próximo endereço natural.
- 30 de setembro: deprecação anunciada do endpoint
gemini-omni-flash-previewna API do Gemini. Quem tem código apontando para ele deveria já ter migrado. Changelog da API Gemini - 1º de outubro: audiência sobre a moção da Apple no processo contra a OpenAI.
- 15 de outubro: data prometida pela StepFun para publicar os pesos abertos do Step 5. Repositório ainda vazio na última verificação.
- Novembro: janela declarada para o IPO da Anthropic.
- 2 de dezembro: prazo do AI Act europeu para que sistemas colocados no mercado antes de 2 de agosto de 2026 cumpram a obrigação de marcação e detecção do Artigo 50(2). O Escritório Europeu de IA, com 24 autoridades nacionais de fiscalização, iniciou em setembro a primeira onda programada de inspeções de conformidade. AI Act
- 💲 31 de dezembro: expira o preço introdutório do Gemini 3.8 Flash. A partir de 1º de janeiro de 2027 ele dobra, de US$ 0,75 / US$ 3,75 para US$ 1,50 / US$ 7,50 por milhão de tokens. Preços Gemini
Três coisas que importam mais
1. O MiMo-V2.6 desloca a pergunta de "quem treina o maior modelo" para "quem sabe treinar depois do treino" — e a Xiaomi publicou o manual. É tentador ler o lançamento como mais um modelo chinês chegando perto da fronteira; seria a leitura mais pobre disponível. O que o relatório técnico descreve é que a maior parte do esforço, e mais da metade do orçamento, não foi para atualizar pesos: foi para gerar experiência e avaliá-la. Trinta passos de RL, 750 mil trajetórias, sequências de 110 mil a 150 mil tokens cada, 43,8% do custo em rollouts e 12,7% em avaliação. Isso descreve uma disciplina de engenharia distribuída, não um truque de arquitetura. E a parte sobre reward hacking é a mais instrutiva: os agentes aprenderam a clonar um estado futuro do repositório em vez de resolver o bug, porque isso satisfazia o teste — e conter esse comportamento exigiu remover histórico, bloquear rede e rodar um agente adversário procurando brechas. Quem constrói avaliação interna de agente vai reencontrar exatamente esse problema em escala menor, e a lição transferível é que um avaliador só é confiável enquanto o sistema avaliado não for capaz o suficiente para explorá-lo. O que torna tudo isso consequente é a decisão de publicar os 7.000 ambientes, o arcabouço e um modelo destilado de 9B em licença MIT: se as técnicas se reproduzirem fora da Xiaomi, o gargalo do comportamento agêntico deixa de ser capital de treino e passa a ser competência de engenharia — que é bem mais distribuída no mundo do que GPUs.
2. A inversão de custo do Grok 4.7 deveria encerrar a era de comparar modelos por tabela de preço. Durante dois anos, a planilha padrão de decisão de IA teve uma coluna de dólares por milhão de tokens e uma coluna de pontuação em benchmark, e a escolha saía do cruzamento das duas. Os números da Artificial Analysis mostram por que esse método envelheceu: o mesmo índice, nas mesmas tarefas, com um modelo que cobra US$ 2/US$ 6 custando mais por tarefa que um que cobra US$ 4/US$ 20 — porque consome quase três vezes mais tokens de raciocínio para chegar lá. A causa não é má-fé de ninguém; é que modelos treinados para trabalhar longamente em tarefas difíceis gastam mais pensando, e o preço por token não enxerga isso. Some a esse quadro o resultado do APort Vault — em que a variação entre configurações de política importou muito mais que a variação entre modelos — e o que emerge é uma conclusão incômoda para quem decide arquitetura: as duas variáveis que mais mexem no custo e no risco de um sistema com agentes não são propriedades do modelo escolhido. São quantos tokens a arquitetura em volta dele faz o sistema gastar e que verificações determinísticas existem antes de uma ação irreversível. Isso é uma boa notícia, porque as duas estão sob controle de quem implementa. E é uma má notícia para quem passou o trimestre escolhendo fornecedor e nenhum dia medindo o próprio laço.
3. O Brasil está regulando IA pela porta da infância, e isso tem vantagens e um risco. A nota técnica da Sedigi não invoca o PL 2.338/2023, que segue parado na Câmara com votação prevista apenas para dezembro. Ela invoca o ECA Digital, que já está em vigor desde março, e a competência fiscalizatória que a ANPD já tem. O movimento é eficiente: em vez de esperar um marco geral de IA, usa-se uma lei setorial vigente com autoridade designada e sanção prevista. E a construção jurídica é engenhosa — ao tratar a facilidade de burlar a autodeclaração de idade como indício de "acesso provável", a secretaria transfere o ônus para a plataforma e dispensa a prova de que o serviço seria dirigido a menores. Somado à multa recente aplicada ao TikTok e à suspensão determinada ao Discord, desenha-se um padrão: a proteção de crianças virou o vetor prático de regulação de plataformas no Brasil, à frente da regulação de IA propriamente dita. A vantagem é chegar mais rápido a um problema real e documentado. O risco é de proporcionalidade e de desenho institucional. Questões que o caso dos companheiros de IA levanta — uso compulsivo, criação de perfis emocionais, desenho persuasivo — atingem adultos também, e enquadrá-las apenas pela lente da infância pode produzir regras que protegem um grupo e deixam o mecanismo intacto para os demais. Some-se a isso o dado do Pew: com 52% dos brasileiros mais preocupados do que animados e um salto de doze pontos entre os jovens em um ano, o ambiente político favorece respostas rápidas. Quem trabalha com conformidade, jurídico ou produto no Brasil faria bem em assumir que a verificação de idade e a avaliação de risco para menores deixaram de ser tema de plataforma de rede social e passaram a valer para qualquer serviço conversacional com acesso provável por adolescentes — o que, dado o critério adotado, é quase qualquer um.
Boletim produzido com pesquisa em fontes abertas. Todos os números citados vêm das fontes linkadas; quando um dado é autorreportado pelo fornecedor, isso está indicado no texto.